[发明专利]基于源荷时序耦合的容量配置方法、装置、系统及介质

说明书

本发明公开了基于源荷时序耦合的容量配置方法、装置、系统及介质，通过对获取到的日负荷曲线进行时段划分，得到若干个负荷时段；根据采集到的风光联合出力样本计算各个负荷时段的源荷时序耦合特征；基于各个负荷时段的源荷时序耦合特征对风光联合出力样本进行场景分类，得到极端场景集和聚类场景集；在极端场景集和聚类场景集下建立容量配置模型并求取容量配置模型的全局最优解，得到风光电站的最优配置容量。通过考虑不同负荷时段下的源荷时序耦合特征对风光联合出力样本进行场景分类，在不同场景集下建立多场景容量配置模型以描述风光不确定性，将模型的全局最优解作为最优配置容量，使得风光能源在不同场景的影响下依然能实现高的渗透率。

技术领域

本发明涉及新能源技术领域，尤其涉及基于源荷时序耦合的容量配置方法、装置、系统及介质。

背景技术

风能和太阳能发电可有效缓解当前化石燃料危机和解决环境污染问题，但风电和太阳能发电都受到自然气象条件的影响，具有间歇性、波动性特点，使风光并网困难。

目前，通过建立水、风、光联合发电系统，能有效平抑风光出力的波动性，水、风、光联合发电系统中需要针对不同能源之间的容量配置进行优化，以实现更高的能源利用率，然而现有的容量配置中针对不同能源、负荷以及电站运行成本之间的匹配并没有考虑不同场景下的风光不确定性，导致风光能源在不同场景的影响下难以实现高的渗透率，从而对能源利用率造成影响。

因此，现有技术还有待于改进和发展。

发明内容

鉴于上述现有技术的不足，本发明的目的在于提供基于源荷时序耦合的容量配置方法、装置、系统及介质，旨在提高多场景下的风光发电的渗透率。

本发明的技术方案如下：

一种基于源荷时序耦合的容量配置方法，其包括如下步骤：

对获取到的日负荷曲线进行时段划分，得到若干个负荷时段；

根据采集到的风光联合出力样本计算各个负荷时段的源荷时序耦合特征；

基于各个负荷时段的源荷时序耦合特征对所述风光联合出力样本进行场景分类，得到极端场景集和聚类场景集；

在所述极端场景集和所述聚类场景集下建立容量配置模型并求取所述容量配置模型的全局最优解，得到风光电站的最优配置容量。

在一个实施例中，所述对获取到的日负荷曲线进行时段划分，得到若干个负荷时段，包括：

获取日负荷曲线以及预设的用于时段划分的界定系数；

根据所述界定系数和公式、、和对所述日负荷曲线进行时段划分，分别计算得到负荷高峰时段、负荷低谷时段、负荷上升时段和负荷下降时段，其中、、和为所述界定系数，为所述日负荷曲线t时刻的负荷值，为所述日负荷曲线t+ΔT时刻的负荷值，为所述日负荷曲线的最大负荷值，为所述日负荷曲线的最小负荷值，t为时间，为时间间隔。

在一个实施例中，所述根据采集到的风光联合出力样本计算各个负荷时段的源荷时序耦合特征，包括：

分别获取若干个风电站的风光出力和若干个光伏电站的光伏出力，并通过加法器得到若干个风光联合出力样本；

根据各个风光联合出力样本和日负荷曲线的时段划分结果，分别按公式

计算负荷高峰时段的风光联合最大出力，

计算负荷低谷时段的风光联合最小出力，

计算负荷高峰时段和负荷低谷时段的风光联合出力中位数差，

计算负荷上升时段的风光联合出力变化率平均值，

计算负荷下降时段的风光联合出力变化率平均值，得到各个负荷时段的所述源荷时序耦合特征；